دوره 16، شماره 49 - ( بهار 1403 )                   جلد 16 شماره 49 صفحات 128-116 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Firouzkouhi F, Darvishzadeh R, Bernousi I, Ghasemzadeh R. (2024). Development of Selection Index to Improve Grain Yield in Maize under Normal and Phosphorus Deficit Conditions. jcb. 16(49), 116-128. doi:10.61186/jcb.16.49.116
URL: http://jcb.sanru.ac.ir/article-1-1501-fa.html
فیروزکوهی فاطمه، درویش زاده رضا، برنوسی ایرج، قاسم زاده راحله. توسعه شاخص گزینش برای بهبود عملکرد دانه در ذرت تحت شرایط نرمال و تنش کمبود فسفر پژوهشنامه اصلاح گیاهان زراعی 1403; 16 (49) :128-116 10.61186/jcb.16.49.116

URL: http://jcb.sanru.ac.ir/article-1-1501-fa.html


گروه تولید و ژنتیک گیاهی، دانشکده کشاورزی دانشگاه ارومیه، ارومیه، ایران
چکیده:   (303 مشاهده)
مقدمه و هدف: ذرت (Zea mays L.) سومین غله مهم بعد از گندم و برنج است که 26 درصد از کل سطح زیر کشت و 37 درصد از تولید غلات را به­خود اختصاص داده است. ذرت یک ماده خام با ارزش برای استخراج روغن، نشاسته، الکل، گلوکز، پلاستیک، اسید لاکتیک، اسید استیک، استون و رنگ بوده، همچنین کاغذ، مقوا و نیتروسلولز را می ­توان از ساقه ­های آن تهیه کرد. فسفر به­عنوان ماده مغذی مهم در انتقال انرژی، واکنش‌های اکسیداسیون-احیا فتوسنتزی و همچنین در ترکیبات بیوشیمیایی از جمله اسیدهای نوکلئیک، پروتئین ­های ساختاری، آنزیم ­ها و انتقال سیگنال نقش دارد. به­دلیل غالب­بودن خاک­های آهکی با pH بالا در اقلیم کشاورزی خشک و نیمه­خشک، میزان فسفر قابل دسترس محدود است. به­ منظور افزایش فسفر در دسترس برای گیاهان، مقادیر زیادی کود شیمیایی فسفره به­طور منظم مورد نیاز است. با این حال، مقدار زیادی از فسفر کودها ممکن است بلافاصله پس از استفاده در اثر واکنش با کلسیم در خاک، به فسفات نامحلول تبدیل شود. این در حالیست که استفاده بی­رویه از کودهای شیمیایی فسفره منجر به مشکلات زیست­محیطی متعدد از جمله رواناب سطحی فسفر، اتروفیکیشن اکوسیستم ­های آبی، کاهش تنوع زیستی و تغییرات غیرعادی در غلظت نمک و pH خاک می­شود. یکی از راهکارهای مقابله با تنش کمبود فسفر به عنوان صفتی با وراثت کمّی، افزایش کارایی جذب فسفر یا فسفات در ارقام زراعی از طریق به­نژادی است. استفاده از شاخص­ های انتخاب می­تواند به­عنوان روش مؤثر برای انتخاب غیر مستقیم صفات با وراثت پیچیده باشد.
مواد و روش­ ها: تعداد 93 ژنوتیپ ذرت از مراکز تحقیقاتی مختلف تهیه شد. ژنوتیپ­ها در سال زراعی 97-1396 در قالب طرح کاملاً تصادفی با سه تکرار تحت شرایط نرمال و تنش کمبود فسفر از لحاظ صفات آگرومورفولوژیک در شرایط گلدانی و در محوطه باز مورد ارزیابی قرار گرفتند. برای این منظور، بعد از انجام آنالیز خاک مناطق مختلف، خاک با میزان فسفر پایین (mg/kg7/240) انتخاب و گلدان­ها (15 کیلویی) با نسبت دو به یک خاک و ماسه پُر شدند. در هر دو شرایط بهینه و کمبود فسفر، خاک با کودهای نیتروژن (به مقدار g/pot9 (طی سه مرحله در طول دوره­ی رشد))، سولفات پتاسیم (به­مقدار g/pot 13/5)، سکوسترین آهن (g/pot1/5)، سولفات منگنز (g/pot0/225)، سولفات روی (g/pot0/99سولفات مس (g/pot0/3) و اسید بوریک (g/pot0/21) تقویت شد. در شرایط بهینه، کود فسفر به­صورت سوپر فسفات تریپل به­مقدار g/pot6 به هر گلدان اضافه شد. در شرایط کمبود فسفر کود فسفری به خاک اضافه نشد. با شروع مرحله تاسل­دهی، یادداشت­برداری از صفات مختلف آگرومورفولوژیکی و شیمیایی انجام شد. در مرحله رسیدگی فیزیولوژیک بلال‌های مربوط به هر تکرار از بوته‌ها جدا شدند. عملکرد دانه در بوته از طریق جدا کردن دانه‌های روی بلال‌های هر بوته و توزین آن تعیین شد. فسفر قابل استفاده خاک به روش اولسن در آزمایشگاه علوم خاک دانشگاه ارومیه انجام گرفت. جهت انتخاب ژنوتیپ­های مطلوب چهار شاخص انتخاب اسمیت-هیزل، پسک بیکر، بریم و رابینسون محاسبه شد. در این مطالعه برای صفات وزن یکسان در نظر گرفته شد که در اکثر مطالعات اینگونه عمل می­شود. جهت ارزیابی و مقایسه شاخص ­ها و انتخاب برترین شاخص، معیار بازدهیِ مورد انتظار برای هر صفت از طریق شاخص (ΔG)، سود ژنتیکی مورد انتظار (DH) و سودمندی نسبی شاخص انتخاب (RE) محاسبه شد.
یافته­ ها: با توجه به­ نتایج تجزیه واریانس اثر ژنوتیپ و تنش بر روی تمامی صفات در سطح احتمال یک درصد معنی­ دار بود. همچنین اثر متقابل ژنوتیپ در تنش بر روی تمامی صفات به غیر از صفات طول برگ، عرض برگ، تعداد برگ، ارتفاع بوته، قطر ساقه، طول بلال، تعداد ردیف در بلال، تعداد دانه در ردیف، قطر بلال و وزن 100 دانه معنی­ دار بود. در شرایط نرمال (فراهمی فسفر) در شاخص اسمیت-هیزل (شاخص بهینه) بیشترین ضریب مربوط به صفات عرض برگ (FLW) و طول بلال (EL) به­ ترتیب با مقادیر 7/21 و 3/98 و کمترین ضریب مربوط به صفت تعداد ردیف دانه بلال (RpE) با مقدار  3/03- بود. در شرایط تنش کمبود فسفر در شاخص اسمیت-هیزل بالاترین ضریب مربوط به صفت طول بلال (EL) با مقدار 3/91 و پایین ­ترین ضریب مربوط به صفت تعداد ردیف دانه بلال (RpE) با مقدار 5/35- بود. در شاخص پسک-بیکر در شرایط نرمال بالاترین ضریب در صفت تعداد دانه در ردیف (GpR) با مقدار 5/64 و پایین­ ترین ضریب در صفت طول بلال (EL) با مقدار 9/28- برآورد شد. در شرایط تنش کمبود فسفر بالاترین ضریب در صفت عرض برگ پرچم (FLW) با مقدار 8/49 و پس از آن در صفت طول بلال (EL) با مقدار 4/53 و پایین ­ترین ضریب در صفت تعداد ردیف دانه بلال (RpE) با مقدار 2/17- برآورد شد. بالاترین ضریب در شاخص رابینسون در شرایط نرمال در صفت عرض برگ پرچم (FLW) با مقدار 2/21 برآورد شد که این ضریب در شرایط تنشِ کمبود فسفر برابر 5/91- بود. در این شاخص پایین­ ترین ضریب، در صفت تعداد ردیف دانه بلال (RpE) با مقدار 0/92- برآورد شد. در شاخص رابینسون در شرایط تنشِ کمبود فسفر بالاترین ضریب در صفت طول بلال (EL) با مقدار 1/46 و پایین ترین ضریب در صفت عرض برگ پرچم (FLW با مقدار 5/92- و در مرتبه دوم در صفت تعداد ردیف دانه بلال (RpE) با مقدار 2/13- برآورد شد. شاخص اسمیت-هیزل با مقادیر سود مورد انتظار (DH) به­ترتیب   296/306 و  374/229 و سودمندی نسبی انتخاب (RE) به ترتیب 1/0011 و 1/0839 و شاخص بریم با مقادیر سود مورد انتظار (DH) به­ترتیب  296/217 و  233/083 و سودمندی نسبی انتخاب (RE) به­ترتیب 0/9995 و 1/0836 در شرایط فراهمی و تنش کمبود فسفر، به عنوان بهترین شاخص بودند. در هر دو شرایط فراهمی و تنش کمبود فسفر عملکرد بیوماس، عملکرد دانه و ارتفاع بوته بالاترین ضریب را در این شاخص­ها داشتند. بر اساس هر دو شاخص ژنوتیپ شماره 7 به‌عنوان ژنوتیپ برتر در شرایط نرمال و ژنوتیپ شماره 10 در شرایط تنش کمبود فسفر معرفی شد.
نتیجه­ گیری: به‌طور کلی نتایج بررسی نشان می‌دهد که در هر دو شرایط نرمال و تنش کمبود فسفر، انتخاب بر مبنای شاخص اسمیت-هیزل و بریم با توجه به بالاترین سودمندی نسبی (RE) و همچنین سود مورد انتظار (ΔH)، باعث افزایش عملکرد بیوماس، عملکرد دانه و ارتفاع بوته خواهد ‌شد. از ژنوتیپ­های منتخب بعد از تایید نهایی در سطح مولکولی با تکنولوژی­های مختلف از قبیل بررسی بیان ژن­های دخیل در تحمل به تنش کمبود فسفر با تکنیک PCR در زمان واقعی می­توان در تولید بذر هیبرید به­عنوان راهکاری برای کاهش استفاده از کودهای فسفره استفاده نمود.

 
متن کامل [PDF 2681 kb]   (85 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: اصلاح براي تنش هاي زنده و غيرزنده محيطي
دریافت: 1402/5/19 | ویرایش نهایی: 1403/1/29 | پذیرش: 1402/11/8 | انتشار: 1403/1/29

فهرست منابع
1. Adesemoye, A.O. and J.W. Kloepper. 2009. Plant-microbe interactions in enhanced fertilizer-use efficiency. Applied Microbiology and Biotechnology, 85(1): 1-12. doi: 10.1007/s00253-009-2196-0. [DOI:10.1007/s00253-009-2196-0]
2. Ahmadpour, S., R. Darvishzadeh, and O. Sofalian. 2018. Selection Indices for Yield Improvement of Sunflower under Normal and Salt Stress Conditions. Journal of Crop Breeding, 10(25): 91-100 (In Persian(. [DOI:10.29252/jcb.10.25.91]
3. Asghar, M.J. and S.S. Mehdi. 2010. Selection indices for yield and quality traits in sweet corn. Pakistan Journal of Botany, 42: 775-789.
4. Banaei, R., A. Baghizadeh and S. Khavari Khorasani. 2016. Estimates of genetic variance parameters and general and specific combining ability of morphological traits, yield and yield components of maize hybrids in normal and salt stress conditions. Plant Genetic Research, 3: 57-74 (In Persian). [DOI:10.29252/pgr.3.1.57]
5. Baker, R. J. 1986. Selection indices in plant breeding. CRC. Press. Inc. 218p.
6. Bernardo, R. 2010. Breeding for Quantitative Traits in Plants, 2nd ed.; Stemma Press: Woodbury, MN, USA.
7. Biswas, B. K., M. Hasanuzzaman, F. El Taj, M.S. Alam and M.R. Amin. 2001. Simultaneous selection for fodder and grain yield in sorghum. Journal of Biological Sciences, 1: 321-323. [DOI:10.3923/jbs.2001.321.323]
8. Brim, C. A., H.W. Johnson and C.C. Cockerham. 1959. Multiple selection criteria in soybeans 1. Agronomy Journal, 51(1): 42-46. [DOI:10.2134/agronj1959.00021962005100010015x]
9. Crouch, D. J. and W.F. Bodmer. 2020. Polygenic inheritance, GWAS, polygenic risk scores, and the search for functional variants. Proceedings of the National Academy of Sciences, 117(32): 18924-18933. [DOI:10.1073/pnas.2005634117]
10. Davik, J. 1989. A selection index for population improvement in white cabbage (Brassica oleracea L. var. capitata). Hereditas, 111: 17-23. [DOI:10.1111/j.1601-5223.1989.tb00371.x]
11. Falconer, D.S. and T.F.C. Mackay. 1996. Introduction to quantitative genetics. Essex. UK: Longman Group
12. FAOSTAT. Available online: http://www.fao.org/faostat/es/#data/QC (accessed on 12 June 2020).
13. Hashemzehi, M., A. Moradgholi and A. Ghasemi. 2013. Evaluation of responses of mung bean (Vigna radiata) genotypes to drought stress using different stress tolerance indices. Journal of Crop Breeding, 5(12): 112-122. (In Persian)
14. Hazel, L.N. 1943. The genetic basis for construction selection indexes. Genetics, 28(6): 476-490 [DOI:10.1093/genetics/28.6.476]
15. Hu, Y. and U. Schmidhalter. 2005. Drought and salinity: a comparison of their effects on mineral nutrition of plants. Journal of Plant Nutrition and Soil Science, 168(4): 541-549. [DOI:10.1002/jpln.200420516]
16. Khavari Khorasani, S. and A. Mehdipour. 2017. Evaluation of selection indices for genetic improvement of grain yield of singlecross corn hybrids (Zea mays L.) under favorable irrigation conditions and water stress. Plant Genetic Research, 5(1): 1-18. [DOI:10.29252/pgr.5.1.1]
17. Modarresi, M., M. Kheradnam and M. Asad. 2004. Selection indices as indirect selection in corn hybrids (Zea mays L.) for increasing grain yield. Iranian Journal of Agriculture Science, 35(1): 115-127. (In Persian)
18. Moll, R. H., C.W. Stuber and W.D. Hanson. 1975. Correlated responses and responses to index selection involving yield and ear height of maize. Crop Science, 15: 243-248. [DOI:10.2135/cropsci1975.0011183X001500020030x]
19. Naomi, M., Supriyono, I. A. Nurmalasari and Pardono. 2021. Role of phosphate fertilizer on growth and yield of hybrid maize (Zea mays L.). IOP Conference Series: Earth and Environmental Science, 637: 012070. 10.1088/1755-1315/637/1/012070. [DOI:10.1088/1755-1315/637/1/012070]
20. Olsen S.R.1954. Estimation of Available Phosphorus in Soils by Extraction whit Sodium Bicarbonate. Washington, DC.
21. Pandey, R., G. Zinta, H. AbdElgawad, A. Ahmad, V. Jain and I.A. Janssens. 2015. Physiological and molecular alterations in plants exposed to high [CO2] under phosphorus stress. Biotechnology Advances, 33(3-4): 303-316. [DOI:10.1016/j.biotechadv.2015.03.011]
22. Pesek, J. and R. Baker. 1970. An application of index selection to the improvement of self-pollinated species. Canadian Journal of Plant Science, 50(3): 267-276. [DOI:10.4141/cjps70-051]
23. Rezaee, A.M. 1994. Selection indices in Plant Breeding. Proceeding of the third international agronomy plant breeding congress, Tabriz, Iran. p:105-134.
24. Robinson, H. F., R.E. Comstock and P.H. Harvey. 1951. Genotypic and phenotypic correlation and their implications in selection. Agronomy Journal, 43: 282-287. [DOI:10.2134/agronj1951.00021962004300060007x]
25. Shiri, M. and L. Ebrahimi. 2018. Comprehensive SAS code for computing several selection indices. Journal of Crop Improvement, 32(2): 225-238. [DOI:10.1080/15427528.2017.1407855]
26. Singh, S. K., V.R. Reddy, D.H. Fleisher and D.J. Timlin. 2017. Relationship between photosynthetic pigments and chlorophyll fluorescence in soybean under varying phosphorus nutrition at ambient and elevated CO2. Photosynthetica, 55: 421-433. [DOI:10.1007/s11099-016-0657-0]
27. Smith, H. F. 1936. A discriminant function for plant selection. Annals of Eugenics, 7(3): 240-250. [DOI:10.1111/j.1469-1809.1936.tb02143.x]
28. Suwantaradon, K., S.A. Eberhart, J.J. Mock, J.C. Owens and W.D. Guthrie. 1975. Index selection for several agronomic traits in the BSSS2 maize population. Crop Science, 15: 827-833. [DOI:10.2135/cropsci1975.0011183X001500060025x]
29. Tahmasabi, A., R. Darvishzadeh, A. Fayaz Moghadam, E. Gholinejad and H. Abdi. 2021. Use of selection indices to improve seed yield in native sesame stands. Plant Genetic Research, 8(2): 117-130. Doi: 10.52547/pgr.8.2.9. [DOI:10.52547/pgr.8.2.9]
30. Tajbakhsh, M.1996. Maize. Publication ahrar Tabriz. 131pp. (In Persian).
31. Tesfaye, K., S. Gbegbelegbe, J.E. Cairns, B. Shiferaw, B.M. Prasanna, K. Sonder, K. Boote, D. Makumbi and R. Robertson. 2015. Maize systems under climate change in sub-Saharan Africa: Potential impacts on production and food security. International Journal of Climate Change Strategies and Management, 7(3): 272-289. [DOI:10.1108/IJCCSM-01-2014-0005]
32. Veneklaas, E.J., H. Lambers, J. Bragg, P.M. Finnegan, C.E. Lovelock, W.C. Plaxton, C.A. Price, W.R. Scheible, M.W. Shane, P.J. White and J.A. Raven. 2012. Opportunities for improving phosphorus use efficiency in crop plants. New Phytologist, 195: 306-320. [DOI:10.1111/j.1469-8137.2012.04190.x]
33. White, P.J., M.R. Broadley and P.J. Gregory. 2012. Managing the nutrition of plants and people. Applied and Environmental Soil Science, 2012: 104826. [DOI:10.1155/2012/104826]

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به پژوهشنامه اصلاح گیاهان زراعی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Crop Breeding

Designed & Developed by : Yektaweb